做一个有温度和有干货的技术分享作者 —— Qborfy
今天我们来学习 监督学习。
是什么
监督学习：让AI像学生一样，通过「带答案的习题集」学习总结出规律，然后根据规律应用到新的习题中。
监督学习，是机器学习中的一种方式，把已经分类的数据给到数据模型，让模型自己学习规律，然后对没有分类的数据进行分类。
怎么做
怎么让AI模型根据训练数据，总结规律呢？主要分为两个类型：
- 回归: 数值预测，数据是连续的、具体的
- 分类: 类别判断，数据是离散的
一张图理解两者的区别
回归
例子： 天气预测，连续数值（如温度）的预测。 预测目标: 今天天气是多少度 常见算法: 线性回归、决策树回归 提供训练数据：A(湿度)、B(风力)、C(海拔)、D(风向),Y(温度) 最终输出： Y = f(A,B,C,D) 公式 ，输入新的ABCD，的到最终天气温度
分类任务
例子： 动物分类， 离散类别数据（如：猫、狗）的预测。 预测目标: 判断图片是猫还是狗 常见算法: 逻辑回归、支持向量机 标签分值：眼睛(5)、鼻子(7)、耳朵(6)、嘴巴(7) = 猫， 眼睛(5)、鼻子(5)、耳朵(6)、嘴巴(7) = 狗 最终输出： 猫(20~40) ， 狗（42～60）输入图片的到最终分类
动手试试！
打开 [Google Teachable Machine]
- 点击「图片项目」→ 创建「苹果」「橘子」分类
- 用手机拍摄/上传20张样本
- 点击「训练」→ 测试新图片识别效果！
🔗 工具链接：teachablemachine.withgoogle.com/
冷知识
ImageNet数据集包含1400万张带标签图片，AI学习它相当于人类不眠不休看16年照片！
